Text Mining - Word embedding, l'algorithme Word2Vec sous Knime

NLP - Natural Language Processing. Prolongement lexical, représentation des termes à l'aide d'un vecteur numérique, contextualisée par le voisinage. L'algorithme word2vec et son accointance avec les auto encodeurs. Réduction de dimensionnalité (par rapport à la représentation en sac-de-mots [bag of words]) pour la représentation des documents. Utilisation du package de Deep Learning (deep learning 4J) pour Knime. Regroupement des séquences de commandes dans des meta-nodes pour simplifier la lecture et la manipulation des workflow Knime. Workflow Knime + Corpus : http://tutoriels-data-mining.blogspot.com/2021/11/video-word-embedding-l-word2vec.html 00:00 Word embedding - Word2Vec 02:41 Knime - Text processing, Deep Learning 4J 03:52 Le corpus Imdb Reviews 05:13 Knime - Workflow, meta node 07:36 Dictionnaire des termes 08:57 Le composant Word2Vec - Paramétrage 13:00 L'outil Vocabulary Extractor - Coordonnées des termes 13:30 Représentation dans le plan (Graphique Scatterplot) 15:15 Inspection des voisinages dans le graphique 17:43 Distances (euclidiennes) entre paires de termes 20:50 Filtrage des termes - Voisinage de "bad" 23:39 Coordonnées des documents à partir des termes 27:45 Représentation des documents dans le plan 33:05 Doc2Vec